Estimulación por intervalo

Concepto
La estimación de intervalos nos permite conocer el rango de valores en los que
podemos confiar en el valor real de la población, por lo tanto, permite medir la
imprecisión de las estimaciones puntuales, que es su objetivo principal.
La estimación por intervalos consiste en establecer un intervalo de valores sobre los
cuales es más probable que se encuentre el parámetro. El intervalo se obtiene en
base a las siguientes consideraciones:
a) Si conocemos la distribución muestral del estimador, podemos obtener la
probabilidad de ocurrencia del estadístico muestral.
b) Si conocemos el valor del parámetro poblacional, podemos determinar la
probabilidad de que el estimador se encuentre dentro del intervalo de la distribución
muestral.
c) El problema es que los parámetros de la población son desconocidos, por lo que
los intervalos se construyen alrededor de los estimadores. Si repetimos la muestra
muchas veces y definimos un intervalo alrededor de cada valor del estadístico
muestral
El parámetro cae dentro de cada intervalo con un porcentaje conocido. Este
intervalo se denomina “intervalo de confianza”.
Ejemplo:
Genere 100 000 muestras aleatorias (n=25) de una población con una distribución
normal, lo que dará como resultado:

La distribución de la media muestral se aproxima a un modelo normal:

Por tanto, el intervalo en el que se encuentran el 95% de las medias muestrales es:

(Nota: El valor de +-1,96 multiplicado por la Desviación Estándar de la distribución

muestral es el valor de la función de distribución igual a 0,975 y 0,025, que se puede
obtener en la tabla de distribución normal estandarizada o funciones informáticas
en Excel y otras aplicaciones) . A continuación, generamos una muestra de
población y obtenemos su media, que es igual a 4,5. Si colocamos un intervalo
alrededor de la media de la muestra, el parámetro de población (5.1) está contenido
dentro de sus límites:
Ahora, la distancia del punto A al punto B es la misma que la distancia de B a A. Por
lo tanto, la distancia de m a la media muestral es la misma que la distancia de la
media muestral a m. Por tanto, si muestreamos un gran número de muestras,
observamos que el 95% de las veces (aproximadamente) el valor de la media
poblacional (m) se encuentra dentro del intervalo definido alrededor de cada valor
poblacional. Muestra promedio. El porcentaje del 95% de veces que el valor de m
cae dentro de cualquier intervalo de confianza se denomina nivel de confianza.

Tipos de estimación por intervalo

El intervalo de confianza está determinado por dos valores dentro de los cuales
afirmamos que está el verdadero parámetro con cierta probabilidad. Son unos
límites o margen de variabilidad que damos al valor estimado, para poder afirmar,
bajo un criterio de probabilidad, que el verdadero valor no los rebasará. Es una
expresión del tipo [θ1, θ2] ó θ1 ≤ θ ≤ θ2, donde θ es el parámetro a estimar. Este
intervalo contiene al parámetro estimado con una determinada certeza o nivel de
confianza.
En la estimación por intervalos se usan los siguientes conceptos:
• Variabilidad del parámetro: Si no se conoce, puede obtenerse una aproximación
en los datos o en un estudio piloto. También hay métodos para calcular el tamaño
de la muestra que prescinden de este aspecto. Habitualmente se usa como medida
de esta variabilidad la desviación típica poblacional y se denota σ.
• Error de la estimación: Es una medida de su precisión que se corresponde con la
amplitud del intervalo de confianza. Cuanta más precisión se desee en la estimación
de un parámetro, más estrecho deberá ser el intervalo de confianza y, por tanto,
menor el error, y más sujetos deberán incluirse en la muestra estudiada.
Llamaremos a esta precisión E, según la fórmula E = θ2 – θ1.
• Nivel de confianza: Es la probabilidad de que el verdadero valor del parámetro
estimado en la población se sitúe en el intervalo de confianza obtenido. El nivel de
confianza se denota por (1-α), aunque habitualmente suele expresarse con un
porcentaje ((1-α)·100%). Es habitual tomar como nivel de confianza un 95% o un
99%, que se corresponden con valores α de 0,05 y 0,01, respectivamente.
• Valor α: También llamado nivel de significación. Es la probabilidad (en tanto por
uno) de fallar en nuestra estimación, esto es, la diferencia entre la certeza (1) y el
nivel de confianza (1-α). Por ejemplo, en una estimación con un nivel de confianza
del 95%, el valor α es (100-95)/100 = 0,05.
• Valor crítico: Se representa por Zα/2. Es el valor de la abscisa en una determinada
distribución que deja a su derecha un área igual a α/2, siendo 1-α el nivel de
confianza. Normalmente los valores críticos están tabulados o pueden calcularse en
función de la distribución de la población. Por ejemplo, para una distribución normal,
de media 0 y desviación típica 1, el valor crítico para α = 0,05 se calcularía del
siguiente modo: se busca en la tabla de la distribución ese valor (o el más
aproximado), bajo la columna “Área”; se observa que se corresponde con -0,64.
Entonces Zα/2 = 0,64. Si la media o desviación típica de la distribución normal no
coinciden con las de la tabla, se puede realizar el cambio de variable t=(X-μ)/σ para
su cálculo.

Promedio para realizar estimaciones por intervalo

El procedimiento siempre es el mismo:
1) calculamos la medida descriptiva o la medida de frecuencia, riesgo o impacto de
nuestra muestra; 2) estimamos a partir de dichos datos el error estándar, y 3)
usamos dicho error estándar y el valor Z correspondiente (para un intervalo de
confianza del 95%: 1,96) para estimar el intervalo de confianza.
Cuando manejemos variables continuas, definidas por sus medias y desviaciones
típicas, no debemos confundir la desviación típica de nuestra muestra, que describe
nuestros datos, con el error estándar, que nos permite estimar el rango de error en
la estimación de la media poblacional.
Aunque el cálculo para proporciones, medias, diferencias de proporciones o
diferencias de medias resulta sencillo, no recomendamos hacer dichos cálculos de
forma manual. Para ello tenemos calculadoras epidemiológicas que realizan los
cálculos fácilmente o, si tenemos los datos tabulados, podemos recurrir a paquetes
estadísticos.

Conclusión

Como conclusión la estimación por intervalos permite conocer el rango dd valores

que podemos confiar que esta el verdadero valor poblacional tambien como lo
mostramos la estimación por intervalo consistente en establecer valores donde es
mas problable que se encuentre el parámetro como tambien lo mostramos el
intervalo de confianza esta determinado por dos valores dentro de los cuales
afirmamos que esta el verdadero parámetro con cierta probabilidad. Aun que el
calculo para proporciones, medias, diferencias de proporciones o diferencias de
medias resulta sencillo, esta información tambien nos ayudo a saber cual es el
procedimiento para calcular la media descriptiva y conocer cuales con los tipos de
estimaciones.

Referencias
https://evidenciasenpediatria.es/articulo/7468/inferencia-
estadistica-estimacion-por-
intervalos#:~:text=El%20procedimiento%20siempre%20e
s%20el,1%2C96)%20para%20estimar%20el
https://www.uv.es/webgid/Inferencial/5_estimacin_por_int
ervalos.html
https://revistachilenadeanestesia.cl/intervalos-de-
confianza/#:~:text=La%20estimaci%C3%B3n%20por%20i
ntervalos%20permite,este%20es%20su%20principal%20p
rop%C3%B3sito.